验证集过拟合和测试准确性提高

时间:2019-05-15 11:54:33

标签: python machine-learning keras conv-neural-network

我正在使用CNN进行图像分类。我从头开始构建它是因为我的数据集很小,而且这是一项非常具体的任务,没有文献。

我得到了包含16个类的700个数据的测试集。当我的验证集没有过拟合(当损失= 1时我将其停止,然后开始增加)时,我的准确性(以及其他指标(例如F1得分,准确性,召回率和混淆矩阵))比我过拟合模型时要低(损耗= 2.5,火车设置精度= 99%)。

当我不过度拟合验证集时,我将获得70%的准确性,而当我过度拟合模型时,我将攀升至80%。

使用过度拟合模型是一个很好的策略,因为我实际上没有更多数据可以训练或测试我的模型。但是新数据应该与我的实际测试集非常相似。

0 个答案:

没有答案